使用sklearn上的数字测试kNN算法

最新推荐文章于 2024-06-03 06:00:00 发布
最新推荐文章于 2024-06-03 06:00:00 发布
阅读量376 收藏 1
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 机器学习小算法
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/weixin_39587440/article/details/83351132
本文通过使用K-最近邻(KNN)算法对MNIST手写数字数据集进行分类，实现了对手写数字的准确识别。从数据加载、预处理到模型训练及评估，详细展示了KNN在图像识别领域的应用过程。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

import numpy as np
from sklearn import datasets
digits=datasets.load_digits()
x=digits.data
y=digits.target
from sklearn.model_selection import train_test_split
X_train,X_test,y_train,y_test=train_test_split(x,y,test_size=0.2)
from sklearn.neighbors import KNeighborsClassifier 
knn_clf=KNeighborsClassifier(n_neighbors=3)
knn_clf.fit(X_train,y_train)
print(knn_clf.score(X_test,y_test))

 

机器学习 -- KNN算法（Ⅸ 查看分类的准确率--自定义实现和sklearn实现）
Leo的博客
11-09 5327
案例1：根据自己编写的分类器和切分函数计算分类的准确率。 新建一个matrics.py，将计算预测准确度封装成一个函数get_accuracy： import numpy as np def get_accuracy(y_test, y_predict): """ 计算预测值的准确度 :param y_test: 分类结果的目标值 :param y_pre...
用sklearn实现基于KNN算法的手写数字识别
weixin_45666159的博客
07-31 387
7月31日学习笔记 用sklearn实现基于KNN算法的手写数字识别 首先介绍KNN（k-nearest-neighor） 一、KNN算法概述# 　　邻近算法，或者说K最近邻(kNN，k-NearestNeighbor)分类算法是数据挖掘分类技术中最简单的方法之一。所谓K最近邻，就是k个最近的邻居的意思，说的是每个样本都可以用它最接近的k个邻居来代表。Cover和Hart在1968年提出了最初的邻近算法。KNN是一种分类(classification)算法，它输入基于实例的学习（instance-based
机器学习之用sklearn实现knn
会飞的鱼
03-17 796
K近邻的详细算法，建议参考李航老师的统计学习方法。下面是python3的代码from sklearn.model_selection import train_test_split from sklearn.neighbors import KNeighborsClassifier import numpy as np data = [] with open('E:\python文件\py...
机器学习笔记——KNN与Digit Recognizer问题
akadiao的博客
12-04 792
KNN算法KNN算法采用多数表决，即由输入实例的k个临近的训练实例的多数类决定输入实例的类． 因此k值的选择会对结果产生较大影响． k值较小：预测结果会对近邻的实例点非常敏感，整体模型变得复杂，容易过拟合． k值较大：可以减小估计误差，但此时距离较远的实例也可能起预测作用，整体模型变得简单（极端情况：k=实例总数）．实验：iris数据集分3类，每类50组数据，共150组． 每组数据包含花
机器学习之KNN识别验证码
liu506039293的博客
12-25 1746
前几天去浙大蹭了一节蔡老师的课感觉收获挺大的。作业是两个，一个是用knn完成验证码识别。另一个是用python实现dnn的正反向传播，难度比较大。花了一个下午完成了knn，记录一下。实现效果如图： knn的原理十分简单。假设空间中有一堆点，分为红，蓝两类。我们在这个空间中放入一个新点a，当我们想要知道a属于哪一类时，可以采取这种方法：1.计算a点和空间中所有点距离 2.找到与a最近的k个点 3....
KNN算法
lhaniey的博客
05-10 280
KNN：近朱者赤，近墨者黑，既可以用于分类，也可以用于回归分析。 K：一般可以通过交叉验证来确定 推荐系统算法：TD-IDF，协同过滤，Apriori 算法，在样本量比较少的情况下可以使用KNN做推荐算法 计算距离的方法：欧式距离，曼哈顿距离，闵科夫斯基距离，切比雪夫距离，余弦距离（用于兴趣推荐） 运用sklearn自带用的数据集——手写字识别实战练习 # -*- coding: ut...
Sklearn之KNN算法
guihenao4010的博客
12-20 1176
KNN算法原理 K近邻是机器学习中常见的分类方法之间，也是相对最简单的一种分类方法，属于监督学习范畴。其实K近邻并没有显式的学习过程，它的学习过程就是测试过程。 k近邻算法思想：先给你一个训练数据集D，包括每个训练样本对应的标签。然后给你一个新的测试样本T，问你测试样本的标签预测是什么，K近邻的方法就是找到T到D中每一个样本的相似度，然后根据相似度大小对D中样本排序，取前K个最相似的样本的标签的众...
KNN分类算法原理及实现及sklearn中的使用方法
越看越喜欢啊
08-06 9263
knn分类算法实现和原理，识别鸢尾花，识别手写数字，sklearn的使用方法
kNN算法-直接调用sklearn库函数
lady_chen的博客
03-05 3913
kNN直接调用sklearn库函数用法
KNN算法实例_手写识别系统
最新发布
a6181816的博客
06-03 487
创建一个简单的书写识别系统，使用KNN算法来识别手写数字，分别使用手写KNN算法和调用库来实现。在数据处理过程中，我们将使用一个常见的手写数字数据集，如MNIST数据集。
机器学习03--sklearn手写数字识别
11-08
Scikit learn 也简称sklearn，是机器器学习领域的python模块，sklearn包含了了很多机器器学习的方式
机器学习KNN算法（三）
Yu的博客
07-19 291
分类准确度 import numpy as np import matplotlib.pyplot as plt from sklearn import datasets digits = datasets.load_digits() X = digits.data y = digits.target #取前一百列 y[:100] array([0, 1, 2, 3, 4, 5, 6, 7...
基于Sklearn的KNN的代码实现
weixin_43698739的博客
08-16 808
Sklearn的KNN 很早以前就写过SK的KNN但一直没写过博客，一直偷懒，最近良心发现！ps：找工作，没的博客拿不出手啊哈哈，于是开始 来把以前的学习的知识一起share #sklearn.datasets 里面调入波士顿房价的数据 from sklearn.datasets import load_boston boston=load_boston() # sklearn.cross_val...
Python3入门机器学习经典算法与应用——knn算法网格搜索
e891377的专栏
11-12 337
knn算法网格搜索 06 网格搜索和更多kNN中的超参数 import numpy as np from sklearn import datasets digits = datasets.load_digits() X = digits.data y = digits.target from sklearn.model_selection import train_test_split X_train, X_test, y_train, y_test = train_test_split(X, y,
python编写knn算法_K最近邻算法(KNN)---sklearn+python实现方式
weixin_39805734的博客
12-03 1018
k-近邻算法概述简单地说，k近邻算法采用测量不同特征值之间的距离方法进行分类。k-近邻算法优点：精度高、对异常值不敏感、无数据输入假定。缺点：计算复杂度高、空间复杂度高。 适用数据范围：数值型和标称型。k-近邻算法(kNN)，它的工作原理是：存在一个样本数据集合，也称作训练样本集，并且样本集中每个数据都存在标签，即我们知道样本集中每一数据与所属分类的对应关系。输入没有标签的新数据后，将新数据的每个...
实训 wine数据集_基于wine的K-Means聚类模型研究
weixin_39595310的博客
01-27 4697
摘要：本文通过使用wine数据集来构建K-Means聚类模型，先对wine数据集的原始样本进行数据预处理，得到预处理后的数据作为我们的新数据样本，通过sklearn的估计器接收进行学习的数据用于训练算法，构建聚类模型；完成模型构建对模型进行评价分析，本文具体对FMI评价法、轮廓系数评价法、Calinski-Harabasz指数评价法三种评价方法进行具体的介绍和操作。通过metrics模块提供的聚类...
Python的Wine数据集分类scikit-learn和K近邻实验
叶绿体不忘呼吸
08-06 1732
然后回到Pycharm导入实验所需要的sklearn包，分别导入数据模块、切分训练集、测试集模块等。然后通过datasets的load_iris方法获取数据，分别用iris_x和iris_y获取data和target数据。请使用scikit-learn库和K近邻分类器完成Wine数据集的分类，训练比例自定。(数据下载https//archive.ics.uci.edu/ml/datasets/Wine)前些天发现了一个巨牛的人工智能学习电子书，通俗易懂，风趣幽默，无广告，忍不住分享一下给大家。.......
数据分析实战之KNN（对手写数字进行识别）
hahaha66888的博客
02-27 1308
一、利用sklearn中自带的手写数据集做KNN分类。它包含了1797幅数字图像，每幅图像大小是8*8像素。 1、数据加载和数据探索 from sklearn.datasets import load_digits digits = load_digits() #加载数据 data = digits.data 2、训练集和测试集的划分 1） 因为没有专门的训练集和测试集，需...
python运用sklearn实现KNN分类算法
weixin_44794704的博客
04-17 6753
KNN（K-Nearest-Neighbours Classiflication）分类算法 最简单的分类算法，易于理解和实现 实现步骤：通过选取与该点距离最近的k个样本，在这k个样本中哪一个类别的数量多，就把k归为哪一类。 注意 该算法需要保存训练集的观察值，以此判定待分类数据属于哪一类 k需要进行自定义，一般选取k<30 距离一般用欧氏距离，即d=(x2−x1)2+(y2−y1)2d ...
python手写数字识别knn算法不使用sklearn
06-10
在手写数字识别中，我们可以使用KNN算法来将数字图像识别为数字0到9中的一个。 下面是一个不使用sklearn的Python实现KNN算法的示例代码： ``` import numpy as np class KNN: def __init__(self, k=3): self.k ...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值